📊 통계학
Power-Optimal Covariate Adjustment for Switchback Experiments
이 논문은 단순히 전반적인 예측 정확도를 목표로 하는 것이 아니라 무작위화 단위 간 및 단위 내의 노이즈 예측을 구체적으로 균형 있게 맞춤으로써 통계적 검정력을 향상시키는, 불균등한 클러스터 크기를 가진 스위치백 실험을 위한 전력 최적화된 CUPAC 방법론을 제안한다.
📊 Category
stat
441 편의 논문
📊 통계학
Psychometric evaluation of a disaster preparedness perception instrument among paramedic students in Saudi Arabia: A Factor Analytic Study
본 연구는 152명의 사우디 구급대원 전공 학생들을 대상으로 재난 대비 평가 도구(DPET)를 심리측정학적으로 평가하였으며, 응급 의료 서비스 인구의 재난 대비 능력을 더 잘 평가하기 위해 기존의 36개 문항으로 구성된 도구를 강력한 내부 일관성을 갖춘 4요인 24개 문항 구조로 정교화하였다.
📊 통계학
Decomposing Uncertainty in Spatial Accessibility Estimates of Urban Park Using Uncertainty Analysis and Global Sensitivity Analysis (UA-GSA)
본 연구는 수요, 공급 및 통행 저항의 불확실성이 서울의 2SFCA 기반 도시 공원 접근성 추정치에 미치는 영향을 평가하기 위해 불확실성 및 전역 민감도 분석(UA-GSA) 프레임워크를 제안하며, 이를 통해 공간적 패턴은 일관되게 유지되는 반면 지배적인 불확실성의 원인은 시공간에 따라 크게 달라진다는 점을 밝혀냈다.
📊 통계학
Scalable Statistical Computation for Large-Scale Data: Distributed, Subsampling, and Minibatch Approaches
본 연구는 대규모 통계 분석을 위한 분산 컴퓨팅, 서브샘플링, 미니배치 최적화를 정량적으로 평가하며, 분산 방식은 높은 비용을 수반하며 검정력을 높이는 반면 서브샘플링은 자원을 절약하지만 확장성의 한계가 있고, 미니배치 최적화가 속도, 자원 효율성 및 정확도 측면에서 전반적으로 가장 우수한 균형을 제공한다는 것을 밝혀냈다.
📊 통계학
Cosmology-Inspired Reliability Gates for Graph Laplacian Spectral Diagnostics
이 논문은 그래프 라플라시안에 대한 스펙트럴 클러스터링의 정확도를 인증하기 위해 결정론적 섭동 경계와 다층 허가 게이트를 사용하는 우주론에서 영감을 얻은 신뢰성 프레임워크를 소개하며, 방향성 인증과 진폭 균일 게이트가 이산 노이즈 하에서의 고유벡터 안정성을 검증하는 데 있어 스칼라 잔차보다 더 우수함을 입증한다.
📊 통계학
Semi-Berry Approximation for Scale-Homogeneous Sums of Random Variables: Lyapunov-Guided Partitioning Between Gaussian Aggregation and Targeted Simulation
본 논문은 리아푸노프 비(Lyapunov ratio)를 기준으로 척도 균질적(scale-homogeneous) 확률 변수를 가우시안 집계 그룹과 시뮬레이션 대상 그룹으로 분할하는 세미-베리(Semi-Berry) 근사법을 제안하며, 이는 표준 정규 근사 또는 전체 몬테카를로 시뮬레이션과 비교하여 꼬리 분위수 오차와 계산 비용을 크게 줄여준다.
📊 통계학
A Robust Bootstrap Test for Bidirectional Granger Causality via Unexplained Mutual Information
본 논문은 유한 표본의 타당성, 인과 방향성 구별, 그리고 이상치 민감도 문제를 해결하기 위해 미설명 상호 정보량, 교집합-합집합 절차, 그리고 Huber M-추정법을 활용하는 가우시안 VAR 모델에서의 양방향 그랜저 인과관계에 대한 강건한 부트스트랩 검정을 제안한다.
📊 통계학
A Mathematical Framework for Topological Causal Data Analysis
이 논문은 이미지나 네트워크와 같은 구조화된 결과물을 분석하기 위해 안정적인 위상학적 요약과 인과 추론을 결합한 프레임워크인 위상적 인과 데이터 분석(Topological Causal Data Analysis, TCDA)을 소개하며, 개별 및 분포 수준의 인과 효과 모두에 대한 식별, 추정 및 일치성 결과를 제공하는 동시에 인과 발견에서 위상학의 한계를 명확히 한다.
📊 통계학
Communication-efficient distributed hazard difference estimation for heterogeneous multi-site survival data
이 논문은 환자 수준의 데이터를 공유하지 않고도 생존 분석을 위한 위험 차이(hazard differences)의 다기관 추정을 가능하게 하며, 중앙 집중식 모델에 필적하는 정확도를 달성하는 동시에 전통적인 메타 분석 및 로컬 접근 방식보다 뛰어난 성능을 보이는 통신 효율적인 비반복적 연합 알고리즘인 DiSAH를 소개한다.
📊 통계학
Rule-Aware Bayesian Reconstruction and Local Auditing of Hidden Crowd Preferences
본 논문은 33개 시즌의 TV 경연 데이터를 활용하여 동적 역선호 문제(dynamic inverse-preference problems)를 통해 잠재적 효용을 모델링함으로써, 하이브리드 전문가-대중 시스템 내에서 숨겨진 대중의 선호도를 재구성하고 집합적 절충 관계의 감사를 가능하게 하며 반사실적 의사결정 프로토콜의 평가를 가능하게 하는 규칙 인식 베이지안 프레임워크를 제안한다.